Перегляд за Автор "Mizyn, Dzhordzho"

Зараз показуємо 1 - 1 з 1
  • Ескіз
    Документ
    Програмна архітектура системи нейромережевого аналізу зображень для доклінічного виявлення аутизму з використанням claud-технологій
    (Хмельницький національний університет, 2026) Кліменко, Валерія; Мазурець, Олександр; Мізин, Джорджо; Молчанова, Марина; Klimenko, Valeriia; Mazurets, Oleksandr; Mizyn, Dzhordzho; Molchanova, Maryna
    У статті розглянуто проблему доклінічного скринінгового виявлення ризику розладів аутистичного спектра та обґрунтовано потребу в об’єктивізованих, відтворюваних і масштабованих інструментах, здатних підтримати фахівця на етапі первинного скринінгу. Запропоновано програмну архітектуру системи нейромережевого аналізу зображень із використанням claud-технологій, що забезпечує керований життєвий цикл даних і моделей, версіонування, збереження артефактів, журналювання подій та контроль якості. Архітектура структурована на підсистеми даних і керування даними, конвеєр обробки і навчання, а також сервіси аналізу, доступ до яких здійснюється через API шлюз із аутентифікацією та контролем доступу. В основу запропонованої системи покладено нейромережевий підхід доклінічного виявлення ризику розладів аутистичного спектра, що реалізує три етапи: донавчання нейромережевої моделі на цільовому датасеті, класифікацію фото та генерацію пояснень, що включають візуальні карти значущості і семантичне текстове обґрунтування прийнятого рішення. Експериментальну перевірку виконано на моделі архітектури ViT. На прикладі роботи програмного забезпечення отримано узгоджений розподіл ймовірностей із оцінкою ризику РАС на рівні близько 0.724, а також пояснювальні виходи у вигляді ключових зон обличчя і морфометричних індикаторів. За результатами навчання показано, що найкращу сукупну якість досягнуто на 5 епосі, де Val loss становить 0.3506, Val acc 0.885, а MCC 0.771, тоді як подальше збільшення кількості епох призводить до зниження показників. Отримані результати підтверджують придатність запропонованої архітектури для скринінгових застосувань і визначають напрями подальшої валідації на незалежних, репрезентативних вибірках. Рішення орієнтоване на безпечну роботу з чутливими даними завдяки централізованому зберіганню, аудиту та можливості моніторингу змін у вхідних даних, що створює підґрунтя для регламентованого оновлення моделей у хмарному середовищі.